WO2018221801A1 - 단층촬영 이미지로부터 자동으로 근육량을 계산하는 방법 - Google Patents

단층촬영 이미지로부터 자동으로 근육량을 계산하는 방법 Download PDF

Info

Publication number
WO2018221801A1
WO2018221801A1 PCT/KR2017/014056 KR2017014056W WO2018221801A1 WO 2018221801 A1 WO2018221801 A1 WO 2018221801A1 KR 2017014056 W KR2017014056 W KR 2017014056W WO 2018221801 A1 WO2018221801 A1 WO 2018221801A1
Authority
WO
WIPO (PCT)
Prior art keywords
region
image
muscle mass
tomography
muscle
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Ceased
Application number
PCT/KR2017/014056
Other languages
English (en)
French (fr)
Inventor
이종찬
황진혁
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Seoul National University Hospital
Original Assignee
Seoul National University Hospital
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Seoul National University Hospital filed Critical Seoul National University Hospital
Publication of WO2018221801A1 publication Critical patent/WO2018221801A1/ko
Anticipated expiration legal-status Critical
Ceased legal-status Critical Current

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
    • A61B6/5211—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data
    • A61B6/5217—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data extracting a diagnostic or physiological parameter from medical diagnostic data
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/02—Arrangements for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
    • A61B6/03—Computed tomography [CT]
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/02—Arrangements for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
    • A61B6/03—Computed tomography [CT]
    • A61B6/032—Transmission computed tomography [CT]
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/50—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
    • A61B6/5205—Devices using data or image processing specially adapted for radiation diagnosis involving processing of raw data to produce diagnostic data
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/00—Two-dimensional [2D] image generation
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T12/00—Tomographic reconstruction from projections
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30008—Bone
    • G06T2207/30012—Spine; Backbone

Definitions

  • the present invention relates to a method for calculating muscle mass in a human body, and more particularly, to a method for automatically calculating muscle mass from a tomography image.
  • the inventors of the present invention have led to the present invention after a long time study on a method for automatically calculating muscle mass from a basic test even if a cancer patient or a general patient does not measure a separate systemic muscle mass.
  • An object of the present invention is to provide a method for automatically calculating muscle mass from an existing tomography image even without using a separate muscle mass measuring device.
  • a method of automatically calculating muscle mass from a tomography image of a patient comprising: selecting an image in which a predetermined lumbar spine is displayed from a plurality of tomography images; Generating an outline of a vertebral region having a Hounsfield Unit (HU) value of a first range in the selected image; Dividing and defining the vertebral bone region into an elliptical vertebral body region and a pair of transverse protrusions symmetrically protruding from the vertebral body region; Generating an outline of the psoas region located between the vertebral body region and each of the trabecular regions and having a HU value in a second range; And calculating an area of the psoas region.
  • HU Hounsfield Unit
  • the selecting of the image may include scanning a plurality of images sequentially and counting the presence or absence of a horizontal protrusion to select a predetermined lumbar display image.
  • the selected image may be an image of lumbar spine 3.
  • the method may further include generating an outline of the paraspinal muscle region located between the pair of transverse protrusion regions and having a HU value of the second range, and calculating an area of the paraspinal muscle region.
  • the method may further include generating an outline of the abdominal wall muscle region having the HU value of the second range in addition to the psoas region and the paraspinal region, and calculating an area of the abdominal wall muscle region. .
  • the HU value of the first range may be greater than the HU value of the second range.
  • the method for automatically calculating muscle mass from a tomography image according to the present invention, even if a volume impedance analysis (BIA) device or a conventional dexaxa device is not used separately, it is automatically performed using a tomography image essential for patient diagnosis. Because muscle mass or psoas area can be calculated, the patient's prognosis can be conveniently predicted. Furthermore, not only does the burden of additional testing be on the patient, but the hospital does not need to be equipped with an additional device for measuring muscle mass.
  • BIOS volume impedance analysis
  • FIG. 1 is a view schematically showing a muscle mass calculation system according to an embodiment of the present invention.
  • FIG. 2 is a view schematically showing a human bone structure and psoas.
  • FIG. 3 is a diagram schematically showing a tomography image of the lumbar spine 3 (L3) of FIG.
  • FIG. 4 is a flowchart sequentially showing a method of automatically calculating muscle mass from a tomography image according to an exemplary embodiment of the present invention.
  • 5A to 5B are tomography images illustrating a method of automatically selecting a specific lumbar image of FIG. 4.
  • FIG. 6 is a diagram illustrating generating an outline of the psoas region of FIG. 4 and obtaining its area;
  • FIG. 7 is a diagram illustrating generating an outline of the paraspinal muscle region of FIG. 4 and obtaining an area thereof.
  • muscle mass can be measured using the tomography images of cancer patients as well as tomography images of cancer patients.
  • the tomography image referred to in the present invention may include an image taken from a computed tomography (CT) or magnetic resonance image (MRI).
  • CT computed tomography
  • MRI magnetic resonance image
  • the muscle mass calculation system of the present invention includes a tomography apparatus 10 for tomography of a patient, and a muscle mass calculation apparatus 20 for receiving a plurality of tomography images from the tomography apparatus 10 and automatically calculating the muscle mass of the patient therefrom. ).
  • FIG. 2 is a diagram schematically illustrating a human bone structure and psoas muscle
  • FIG. 3 is a diagram schematically showing a tomography image of lumbar spine 3 (L3) of FIG. 2.
  • muscles predicting the prognosis of cancer patients include a total skeletal muscle including a psoas muscle 100, a paraspinal muscle 102, and an abdominal wall muscle 104.
  • the psoas 100 around the spine plays an important role in predicting the progression or recovery of cancer patients.
  • the muscle mass calculating device 20 of the present invention automatically extracts and calculates the musculoskeletal muscle and the area of each muscle constituting the same from a tomography image, thereby providing final results such as muscle mass area, muscle mass index, and muscle information.
  • 4 is a flowchart sequentially showing a method of automatically calculating muscle mass from a tomography image according to an exemplary embodiment of the present invention.
  • 5A to 5B are tomography images illustrating a method of automatically selecting a specific lumbar image of FIG. 4.
  • FIG. 6 is a diagram illustrating generating an outline of the psoas region of FIG. 4 and obtaining its area;
  • FIG. 7 is a diagram illustrating generating an outline of the paraspinal muscle region of FIG. 4 and obtaining an area thereof.
  • the muscle mass calculator 20 receives a plurality of tomography images of a patient from a tomography apparatus 10.
  • the muscle mass calculating device 20 selects an image in which a predetermined lumbar spine is displayed from a plurality of tomography images (S10).
  • a tomography image including lumbar spine 3 (L3) is selected because the total skeletal muscle is best represented in the image.
  • the muscle mass calculating device 20 counts the presence or absence of a lateral spine while sequentially scanning a plurality of tomography images from the lower part of the human body to a predetermined lumbar image, for example, a tomography image in which the lumbar spine 3 is displayed. do.
  • a tomography image is scanned from the back of the pelvis, that is, the sacrum.
  • the tomographic image in which the transverse protrusion 204 protruding from the vertebrae for the first time during the sequential scanning from the lower image to the upper image corresponds to the lumbar spine 5 (L5) image.
  • the tomography image in which the second transverse protrusion 204 appears as shown in FIG. 5B while scanning the image corresponds to the lumbar spine No. 4 (L4) image.
  • the muscle mass computing device 20 counts the number of the traverse protrusions 204 while sequentially scanning a plurality of tomography images from the lower image to the upper image.
  • the desired tomography image will be selected automatically.
  • the muscle mass calculator 20 defines the vertebral region 200 based on the Hounsfield Unit (HU) value from the selected tomography image.
  • the HU value is a value representing radiopacity in tomography images. For example, in a tomography image, a bone region has a relatively highest HU value (first range) and is represented by the brightest image, and a muscle region has a relatively high HU value (second range) and is represented by a bright image, Fatty areas have relatively low HU values and are represented by dark images.
  • the first range has a value greater than the second range.
  • the muscle mass calculating device 20 defines a region having a HU value of the first range in the selected tomography image as the vertebral region 200, and generates an outline for the vertebral region 200 (S20).
  • the vertebral bone region 200 may be defined by being divided into an elliptical vertebral body region 202 and a pair of transverse protrusion regions 204 protruding symmetrically from the vertebral body region 202.
  • the muscle mass calculator 20 defines the psoas region 100 in the selected tomography image and generates an outline thereof (S30).
  • the psoas region 100 is a region located between the vertebral body region 202 and each trabecular region 204 and has a HU value in the second range.
  • the muscle mass calculating device 20 defines the paraspinal muscle region 102 in the selected tomography image and generates an outline thereof (S40).
  • the paraspinal muscle region 102 is a region located between the pair of trabecular regions 204 and has a HU value in the second range.
  • the case where the paraspinal muscle region 102 is separated by the superficial protrusion 206 is described as an example, but according to the tomography image, the superficial protrusion 206 is not displayed and the paraspinal muscle region 102 is shown. ) May be connected and displayed.
  • the muscle mass computing device 20 is defined as the abdominal wall muscle region 104 having a second range of HU values in addition to the psoas region 100 and the paraspinal muscle region 102 in the selected tomography image. And the outline is generated (S50).
  • the muscle mass is calculated by calculating the areas of the psoas muscle region 100, the paraspinal muscle region 102, and the abdominal wall muscle region 104, which are each surrounded by outlines (S60). Muscle mass can be estimated in various ways, including:
  • Skeletal Muscle Area Sum of the area of the psoas, paraspinal muscles and abdominal wall muscles
  • TPA Total Psoas Area
  • Total Psoas Volume Extract the volume of each psoas area from multiple tomography images and calculate the volume by integrating the area.
  • Skeletal Muscle Index SMA / height 2 (cm 2 / m 2 )
  • TPI Total Psoas Index
  • the muscle mass calculator 20 provides the final result of the muscle mass area, the muscle mass index, and the muscle information to the display screen.

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Medical Informatics (AREA)
  • Theoretical Computer Science (AREA)
  • Molecular Biology (AREA)
  • General Health & Medical Sciences (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Optics & Photonics (AREA)
  • Pathology (AREA)
  • Radiology & Medical Imaging (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Biophysics (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • High Energy & Nuclear Physics (AREA)
  • Public Health (AREA)
  • Veterinary Medicine (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Geometry (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Pulmonology (AREA)
  • Dentistry (AREA)
  • Physiology (AREA)
  • Apparatus For Radiation Diagnosis (AREA)

Abstract

단층촬영 이미지로부터 자동으로 근육량을 계산하는 방법이 제공된다. 이 방법은, 다수의 단층촬영 이미지로부터 소정의 요추가 표시된 이미지를 선택하는 단계; 선택된 이미지에서 제1 범위의 HU(Hounsfield Unit) 값을 가지는 척추뼈 영역에 대하여 그 윤곽선을 생성하는 단계; 척추뼈 영역을 타원형의 척추체 영역과 척추체 영역으로부터 대칭적으로 돌출된 한 쌍의 횡돌기 영역으로 구분하여 정의하는 단계; 척추체 영역과 각 횡돌기 영역 사이에 위치하며 제2 범위의 HU 값을 가지는 요근 영역에 대하여 그 윤곽선을 생성하는 단계; 및 요근 영역의 면적을 산정하는 단계를 포함한다.

Description

단층촬영 이미지로부터 자동으로 근육량을 계산하는 방법
본 발명은 인체의 근육량을 계산하는 방법에 관한 것으로서, 더욱 상세하게는 단층촬영 이미지로부터 자동으로 근육량을 계산하는 방법에 관한 것이다.
암환자가 수술한 후에 또는 항암 화학요법을 받은 후에 전신 근육량을 이용하여 예후를 예측하려는 시도 및 연구가 있다. 전신 근육량을 정기적으로 측정하기 위해서는 체적 임피던스 분석(body impedance analysis)이나 전신 덱사(whole body DEXA)와 같이 검사를 따로 진행해야 하는데, 거동이 불편한 암환자가 이러한 검사를 추가적으로 진행하는 것은 많은 불편을 초래할 뿐만 아니라 병원입장에서는 이러한 검사 장치를 추가로 구비해야 하는 문제가 있다.
이에 본 발명의 발명자들은 암환자 또는 일반환자가 별도의 전신 근육량 측정을 하지 않더라도 기본 검사로부터 자동으로 근육량을 연산하는 방법에 대하여 오랜 기간 연구한 끝에 본 발명에 이르게 되었다.
본 발명이 해결하고자 하는 과제는, 별도의 근육량 측정 장치를 이용하지 않더라도 기존의 단층촬영 이미지로부터 자동으로 근육량을 계산하는 방법을 제공하고자 하는 것이다.
본 발명이 해결하고자 하는 과제들은 이상에서 언급한 과제들로 제한되지 않으며, 언급되지 않은 또 다른 과제들은 아래의 기재로부터 당업자에게 명확하게 이해될 수 있을 것이다.
상기 과제를 달성하기 위한 본 발명의 일 실시예에 따른 환자의 단층촬영 이미지로부터 자동으로 근육량을 계산하는 방법은, 다수의 단층촬영 이미지로부터 소정의 요추가 표시된 이미지를 선택하는 단계; 상기 선택된 이미지에서 제1 범위의 HU(Hounsfield Unit) 값을 가지는 척추뼈 영역에 대하여 그 윤곽선을 생성하는 단계; 상기 척추뼈 영역을 타원형의 척추체 영역과 상기 척추체 영역으로부터 대칭적으로 돌출된 한 쌍의 횡돌기 영역으로 구분하여 정의하는 단계; 상기 척추체 영역과 상기 각 횡돌기 영역 사이에 위치하며 제2 범위의 HU 값을 가지는 요근 영역에 대하여 그 윤곽선을 생성하는 단계; 및 상기 요근 영역의 면적을 산정하는 단계를 포함한다.
상기 이미지를 선택하는 단계는, 상기 다수의 이미지를 순차적으로 스캔하면서 횡돌기의 유무를 카운팅하여 소정의 요추가 표시된 이미지를 선택할 수 있다.
상기 선택된 이미지는 요추 3번 이미지일 수 있다.
상기 한 쌍의 횡돌기 영역 사이에 위치하며 상기 제2 범위의 HU 값을 가지는 척추주위근 영역에 대하여 그 윤곽선을 생성하고, 상기 척추주위근 영역의 면적을 산정하는 단계를 더 포함할 수 있다.
상기 선택된 이미지에서 상기 요근 영역 및 상기 척추주위근 영역 이외에 상기 제2 범위의 HU 값을 가지는 복벽근육 영역에 대하여 그 윤곽선을 생성하고, 상기 복벽근육 영역의 면적을 산정하는 단계를 더 포함할 수 있다.
상기 제1 범위의 HU 값은 상기 제2 범위의 HU 값보다 클 수 있다.
기타 실시예들의 구체적인 사항들은 구체적인 내용 및 도면들에 포함되어 있다.
상술한 바와 같이 본 발명에 따른 단층촬영 이미지로부터 자동으로 근육량을 계산하는 방법에 의하면, 체적 임피던스 분석(BIA) 장치나 전식 덱사 장치를 별도로 이용하지 않더라도 환자 진단에 필수적인 단층촬영 이미지를 이용하여 자동으로 근육량 또는 요근 면적을 연산할 수 있기 때문에 환자의 예후를 편리하게 예측할 수 있다. 나아가 환자에게는 추가적인 검사의 부담을 주지 않을 뿐만 아니라 병원은 근육량 측정을 위한 장치를 추가로 구비할 필요가 없다.
도 1은 본 발명의 일 실시예에 따른 근육량 계산 시스템을 개략적으로 나타낸 도면이다.
도 2는 사람의 뼈구조와 요근을 개략적으로 나타낸 도면이다.
도 3은 도 2의 요추 3번(L3)에 대한 단층촬영 이미지를 도식적으로 나타낸 도면이다.
도 4는 본 발명의 일 실시예에 따른 단층촬영 이미지로부터 자동으로 근육량을 계산하는 방법을 순차적으론 나타내 순서도이다.
도 5a 내지 도 5b는 도 4의 특정 요추이미지를 자동으로 선택하는 방법을 나타낸 단층촬영 이미지들이다.
도 6은 도 4의 요근 영역의 윤곽선을 생성하고 그 면적을 구하는 것을 나타낸 도면이다.
도 7은 도 4의 척추주위근 영역의 윤곽선을 생성하고 그 면적을 구하는 것을 나타낸 도면이다.
본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나 본 발명은 이하에서 개시되는 실시예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 것이며, 단지 본 실시예들은 본 발명의 개시가 완전하도록 하며, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다. 명세서 전체에 걸쳐 동일 참조 부호는 동일 구성 요소를 지칭한다.
본 발명에서는 암환자의 단층촬영 이미지뿐만 아니라 일반 환자들에 대해서도 이들의 단층촬영 이미지를 이용하여 근육량을 측정할 수 있다. 또한, 본 발명에 언급된 단층촬영 이미지는 전산화 단층촬영(CT: Computed Tomography) 또는 자기공명영상(MRI: Magnetic Resonance Imaging)으로부터 촬영된 이미지를 포함할 수 있다.
이하 첨부된 도면들을 참조하여 본 발명을 자세히 설명한다.
도 1은 본 발명의 일 실시예에 따른 근육량 계산 시스템을 개략적으로 나타낸 도면이다. 본 발명의 근육량 계산 시스템은 환자를 단층촬영하는 단층촬영장치(10)와, 단층촬영장치(10)로부터 다수의 단층촬영 이미지를 수신하여 이들로부터 환자의 근육량을 자동으로 계산하는 근육량 연산장치(20)를 포함한다.
도 2는 사람의 뼈구조와 요근을 개략적으로 나타낸 도면이고, 도 3은 도 2의 요추 3번(L3)에 대한 단층촬영 이미지를 도식적으로 나타낸 도면이다.
암환자의 수술에 대한 경과나 항암치료의 부작용 등에 대한 예후가 환자의 근육량과 인과관계가 있다는 연구결과가 있다. 예컨대, 근육량이 많은 환자의 경우 항암치료 부작용 발생률이나 사망률이 낮은 것으로 보고되고 있다. 도 2 및 도 3을 참조하면, 암환자의 예후를 예측하는 근육으로는 요근(100), 척추주위근(102) 및 복벽근육(104)을 포함한 총골격근이 있다. 특히 척추 주변의 요근(100)은 암환자의 병세 진행 또는 회복을 예측하는 데 중요한 역할을 한다. 본 발명의 근육량 연산장치(20)는 총골격근 및 이를 구성하는 각 근육의 면적을 단층촬영 이미지로부터 자동으로 추출하고 연산하여, 근육량 면적, 근육량 인덱스, 근육질 정보 등의 최종 결과를 제공한다.
이하 도 4 내지 도 7을 참조하여 본 발명의 자동 근육량 계산방법에 대하여 설명한다. 도 4는 본 발명의 일 실시예에 따른 단층촬영 이미지로부터 자동으로 근육량을 계산하는 방법을 순차적으론 나타내 순서도이다. 도 5a 내지 도 5b는 도 4의 특정 요추이미지를 자동으로 선택하는 방법을 나타낸 단층촬영 이미지들이다. 도 6은 도 4의 요근 영역의 윤곽선을 생성하고 그 면적을 구하는 것을 나타낸 도면이다. 도 7은 도 4의 척추주위근 영역의 윤곽선을 생성하고 그 면적을 구하는 것을 나타낸 도면이다.
먼저 도 4를 참조하면, 근육량 연산장치(20)는 단층촬영장치(10)로부터 환자에 대한 다수의 단층촬영 이미지를 전송받는다. 근육량 연산장치(20)는 다수의 단층촬영 이미지로부터 소정의 요추가 표시된 이미지를 선택한다(S10). 바람직하게는 요추 3번(L3)가 포함된 단층촬영 이미지를 선택하는데, 해당 이미지에 총골격근이 가장 잘 표현되어 있기 때문이다. 근육량 연산장치(20)는 소정의 요추 이미지, 예컨대 요추 3번이 표시된 단층촬영 이미지를 자동으로 선택하기 위하여, 다수의 단층촬영 이미지를 인체의 하부에서 상부 방향으로 순차적으로 스캔하면서 횡돌기의 유무를 카운팅한다. 이를 구체적으로 설명하면, 우선 골반뼈의 뒤쪽, 즉 천골(sacrum)부터 단층촬영 이미지를 스캔한다. 하부 이미지에서 상부 이미지로 순차적으로 스캔하는 도중에 도 5a와 같이 척추뼈로부터 돌출된 횡돌기(204)가 처음으로 나타나는 단층촬영 이미지는 요추 5번(L5) 이미지에 해당한다. 이어서 이미지를 스캔하는 도중에 도 5b와 같이 두 번째 횡돌기(204)가 나타나는 단층촬영 이미지는 요추 4번(L4) 이미지에 해당한다. 이어서 이미지를 스캔하는 도중에 도 5c와 같이 세 번째 횡돌기(204)가 나타나는 단층촬영 이미지는 요추 3번(L3) 이미지에 해당한다. 이와 같이 사용자가 요추 3번에 해당하는 단층촬영 이미지를 요청하는 경우, 근육량 연산장치(20)는 다수의 단층촬영 이미지를 하부 이미지에서 상부 이미지로 순차적으로 스캔하면서 횡돌기(204)의 개수를 카운팅하여 원하는 단층촬영 이미지를 자동으로 선택하게 된다.
이어서, 도 3 및 도 5c를 참조하면, 근육량 연산장치(20)는 선택된 단층촬영 이미지로부터 HU(Hounsfield Unit) 값을 기준으로 척추뼈 영역(200)을 정의한다. HU 값은 단층촬영 이미지에서 방사선투과성을 나타내는 수치이다. 예컨대, 단층촬영 이미지에서 뼈 영역은 상대적으로 가장 높은 HU 값(제1 범위)을 가지며 가장 밝은 이미지로 표현되고, 근육 영역은 상대적으로 높은 HU 값(제2 범위)을 가지며 밝은 이미지로 표현되고, 지방 영역은 상대적으로 낮은 HU 값을 가지며 어두운 이미지로 표현된다. 제1 범위는 제2 범위보다 큰 값을 가진다. 근육량 연산장치(20)는 선택된 단층촬영 이미지에서 제1 범위의 HU 값을 가지는 영역을 척추뼈 영역(200)으로 정의하고, 척추뼈 영역(200)에 대한 윤곽선을 생성한다(S20). 이러한 척추뼈 영역(200)은 타원형의 척추체 영역(202)과, 척추체 영역(202)으로부터 대칭적으로 돌출된 한 쌍의 횡돌기 영역(204)으로 구분하여 정의될 수 있다.
이어서, 도 3 및 도 6을 참조하면, 근육량 연산장치(20)는 선택된 단층촬영 이미지에서 요근 영역(100)을 정의하고 그 윤곽선을 생성한다(S30). 요근 영역(100)은 척추체 영역(202)과 각 횡돌기 영역(204) 사이에 위치하는 영역으로서 제2 범위의 HU 값을 가진다.
이어서, 도 3 및 도 7을 참조하면, 근육량 연산장치(20)는 선택된 단층촬영 이미지에서 척추주위근 영역(102)을 정의하고 그 윤곽선을 생성한다(S40). 척추주위근 영역(102)은 한 쌍의 횡돌기 영역(204) 사이에 위치하는 영역으로서 제2 범위의 HU 값을 가진다. 본 실시예에서는 척추주위근 영역(102)이 극상돌기(206)에 의해 분리된 경우를 예로 들어 설명하고 있으나, 단층촬영 이미지에 따라서는 극상돌기(206)가 표시되지 않고 척추주위근 영역(102)이 연결되어 표시될 수도 있다.
이어서, 도 3을 참조하면, 근육량 연산장치(20)는 선택된 단층촬영 이미지에서 요근 영역(100)과 척추주위근 영역(102) 이외에 제2 범위의 HU 값을 가지는 복벽근육 영역(104)으로 정의하고 그 윤곽선을 생성한다(S50).
그리고 각각 윤곽선으로 둘러싸인 요근 영역(100), 척추주위근 영역(102) 및 복벽근육 영역(104)의 면적을 구하여 근육량을 산정한다(S60). 근육량은 다음과 같은 다양한 수치로 산정될 수 있다.
(1) 근육량 면적
- 골격근 면적 (SMA: Skeletal Muscle Area) = 요근, 척추주위근 및 복벽근육의 면적 합
- 총요근 면적 (TPA: Total Psoas Area)
- 총요근 부피 (TPV: Total Psoas Volume) = 여러 단층촬영 이미지에서 각 요근 영역을 추출하고 그 면적을 적분하여 부피를 산정
(2) 근육량 인덱스
- 골격근 인덱스 (SMI: Skeletal Muscle Index) = SMA / 신장2 (cm2 / m2)
- 총요근 인덱스 (TPI: Total Psoas Index) = TPA / 신장2 (cm2 / m2)
(3) 근육질 정보
- SMA(Smooth Muscle Area)의 HU = 골격근 면적(SMA)의 HU를 산출
이와 같이 근육량 연산장치(20)는 근육량 면적, 근육량 인덱스 및 근육질 정보 등의 최종 결과를 디스플레이 화면에 제공한다.
이상 첨부된 도면을 참조하여 본 발명의 실시예를 설명하였지만, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자는 본 발명이 그 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 실시될 수 있다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다.

Claims (6)

  1. 환자의 단층촬영 이미지로부터 자동으로 근육량을 계산하는 방법으로서:
    다수의 단층촬영 이미지로부터 소정의 요추가 표시된 이미지를 선택하는 단계;
    상기 선택된 이미지에서 제1 범위의 HU(Hounsfield Unit) 값을 가지는 척추뼈 영역에 대하여 그 윤곽선을 생성하는 단계;
    상기 척추뼈 영역을 타원형의 척추체 영역과 상기 척추체 영역으로부터 대칭적으로 돌출된 한 쌍의 횡돌기 영역으로 구분하여 정의하는 단계;
    상기 척추체 영역과 상기 각 횡돌기 영역 사이에 위치하며 제2 범위의 HU 값을 가지는 요근 영역에 대하여 그 윤곽선을 생성하는 단계; 및
    상기 요근 영역의 면적을 산정하는 단계를 포함하는, 단층촬영 이미지로부터 자동으로 근육량을 계산하는 방법.
  2. 제1항에 있어서,
    상기 이미지를 선택하는 단계는, 상기 다수의 이미지를 순차적으로 스캔하면서 횡돌기의 유무를 카운팅하여 소정의 요추가 표시된 이미지를 선택하는 것을 특징으로 하는 단층촬영 이미지로부터 자동으로 근육량을 계산하는 방법.
  3. 제1항에 있어서,
    상기 선택된 이미지는 요추 3번 이미지인 것을 특징으로 하는 단층촬영 이미지로부터 자동으로 근육량을 계산하는 방법.
  4. 제1항에 있어서,
    상기 한 쌍의 횡돌기 영역 사이에 위치하며 상기 제2 범위의 HU 값을 가지는 척추주위근 영역에 대하여 그 윤곽선을 생성하고, 상기 척추주위근 영역의 면적을 산정하는 단계를 더 포함하는 단층촬영 이미지로부터 자동으로 근육량을 계산하는 방법.
  5. 제4항에 있어서,
    상기 선택된 이미지에서 상기 요근 영역 및 상기 척추주위근 영역 이외에 상기 제2 범위의 HU 값을 가지는 복벽근육 영역에 대하여 그 윤곽선을 생성하고, 상기 복벽근육 영역의 면적을 산정하는 단계를 더 포함하는 단층촬영 이미지로부터 자동으로 근육량을 계산하는 방법.
  6. 제1항에 있어서,
    상기 제1 범위의 HU 값은 상기 제2 범위의 HU 값보다 큰 것을 특징으로 하는 단층촬영 이미지로부터 자동으로 근육량을 계산하는 방법.
PCT/KR2017/014056 2017-06-01 2017-12-04 단층촬영 이미지로부터 자동으로 근육량을 계산하는 방법 Ceased WO2018221801A1 (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR10-2017-0068506 2017-06-01
KR1020170068506A KR101936506B1 (ko) 2017-06-01 2017-06-01 단층촬영 이미지로부터 자동으로 근육량을 계산하는 방법

Publications (1)

Publication Number Publication Date
WO2018221801A1 true WO2018221801A1 (ko) 2018-12-06

Family

ID=64456072

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2017/014056 Ceased WO2018221801A1 (ko) 2017-06-01 2017-12-04 단층촬영 이미지로부터 자동으로 근육량을 계산하는 방법

Country Status (2)

Country Link
KR (1) KR101936506B1 (ko)
WO (1) WO2018221801A1 (ko)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109671068A (zh) * 2018-12-14 2019-04-23 复旦大学附属中山医院 一种基于深度学习的腹部肌肉标注方法及装置
CN113327235A (zh) * 2021-06-04 2021-08-31 杭州健培科技有限公司 基于ct影像肌少症评估的图像处理方法和装置

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102206621B1 (ko) * 2019-03-11 2021-01-22 가천대학교 산학협력단 딥러닝 알고리즘을 이용한 근감소증 분석 프로그램 및 애플리케이션
KR20240041504A (ko) 2022-09-23 2024-04-01 연세대학교 산학협력단 의무 기록 정리 자동화 방법 및 이를 위한 프로그램 및 장치
KR102854547B1 (ko) * 2022-10-27 2025-09-02 아주대학교산학협력단 근육량 측정 시스템 및 이를 이용한 근육량 측정 방법
KR102775106B1 (ko) 2022-11-03 2025-02-27 연세대학교 산학협력단 피검자 체성분 볼륨 추정 방법 및 이를 위한 프로그램 및 장치
WO2025188169A1 (ko) * 2024-03-08 2025-09-12 프로메디우스 주식회사 의료 영상에서 부위별 근육 측정 및 척추 마디 탐지를 위한 장치 및 방법

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH08289888A (ja) * 1995-04-24 1996-11-05 Ge Yokogawa Medical Syst Ltd 断層撮影計画方法及び断層撮影装置
JP2010137096A (ja) * 2010-03-23 2010-06-24 Aloka Co Ltd Ｘ線ｃｔ装置及び画像処理方法
JP4514039B2 (ja) * 2004-11-25 2010-07-28 株式会社日立メディコ 医用画像表示装置
KR101090375B1 (ko) * 2011-03-14 2011-12-07 동국대학교 산학협력단 자동 초기화를 기반으로 흉곽 변형 정도의 평가 인덱스 계산을 자동화한 ｃｔ 영상 분석의 자동화 방법, 기록 매체 및 장치
KR101265981B1 (ko) * 2012-09-10 2013-05-22 한국과학기술정보연구원 한국인 인체척추 정보의 제작방법 및 시스템

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH08289888A (ja) * 1995-04-24 1996-11-05 Ge Yokogawa Medical Syst Ltd 断層撮影計画方法及び断層撮影装置
JP4514039B2 (ja) * 2004-11-25 2010-07-28 株式会社日立メディコ 医用画像表示装置
JP2010137096A (ja) * 2010-03-23 2010-06-24 Aloka Co Ltd Ｘ線ｃｔ装置及び画像処理方法
KR101090375B1 (ko) * 2011-03-14 2011-12-07 동국대학교 산학협력단 자동 초기화를 기반으로 흉곽 변형 정도의 평가 인덱스 계산을 자동화한 ｃｔ 영상 분석의 자동화 방법, 기록 매체 및 장치
KR101265981B1 (ko) * 2012-09-10 2013-05-22 한국과학기술정보연구원 한국인 인체척추 정보의 제작방법 및 시스템

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109671068A (zh) * 2018-12-14 2019-04-23 复旦大学附属中山医院 一种基于深度学习的腹部肌肉标注方法及装置
CN109671068B (zh) * 2018-12-14 2022-09-13 复旦大学附属中山医院 一种基于深度学习的腹部肌肉标注方法及装置
CN113327235A (zh) * 2021-06-04 2021-08-31 杭州健培科技有限公司 基于ct影像肌少症评估的图像处理方法和装置
CN113327235B (zh) * 2021-06-04 2022-07-01 杭州健培科技有限公司 基于ct影像肌少症评估的图像处理方法和装置

Also Published As

Publication number Publication date
KR101936506B1 (ko) 2019-01-09
KR20180132196A (ko) 2018-12-12

Similar Documents

Publication Publication Date Title
WO2018221801A1 (ko) 단층촬영 이미지로부터 자동으로 근육량을 계산하는 방법
Lee et al. Quantitative analysis of back muscle degeneration in the patients with the degenerative lumbar flat back using a digital image analysis: comparison with the normal controls
D'hooge et al. Increased intramuscular fatty infiltration without differences in lumbar muscle cross-sectional area during remission of unilateral recurrent low back pain
JP2022530039A5 (ko)
Ozgen et al. Normative measurements of orbital structures using CT.
Link et al. Axial QCT: clinical applications and new developments
Danneels et al. CT imaging of trunk muscles in chronic low back pain patients and healthy control subjects
Barnard et al. Machine learning for automatic paraspinous muscle area and attenuation measures on low-dose chest CT scans
JP6175071B2 (ja) 胸部画像の処理及び表示
KR20100119363A (ko) 학생 건강 체력 평가 시스템용 일체형 측정 장치
Castellano et al. A prospective national survey of coronary CT angiography radiation doses in the United Kingdom
Elbers et al. Reproducibility of fat area measurements in young, non-obese subjects by computerized analysis of magnetic resonance images
US20160035091A1 (en) Methods and Apparatus for Quantifying Inflammation
Al-Murshedi et al. Relationship between body habitus and image quality and radiation dose in chest X-ray examinations: a phantom study
JP2023176825A (ja) 動態画像解析装置及びプログラム
Guglielmi et al. Reproducibility of a semi-automatic method for 6-point vertebral morphometry in a multi-centre trial
Mantatzis et al. Abdominal adipose tissue distribution on MRI and diabetes
Lee et al. Novel lateral whole‐body dual‐energy X‐ray absorptiometry of lumbar paraspinal muscle mass: results from the SarcoSpine study
Moeskops et al. Automatic quantification of body composition at L3 vertebra level with convolutional neural networks
KR102214436B1 (ko) Dxa영상을 활용한 골밀도 분포도 평가 및 이를 이용한 골절 예측 방법
Qaq et al. Sex estimation using lateral cephalograms: a statistical analysis
Puff et al. A method for determination of optimal image enhancement for the detection of mammographic abnormalities
WO2017222283A1 (ko) 영상촬영 기반의 건강상태 분석 및 건강상태 정보 제공 방법
Benmessaoud et al. Local diagnostic reference levels for paediatric chest computed tomography in Morocco
Cooperstein et al. Intra-and interexaminer reliability of compressive leg checking and correlation with the sit-stand test for anatomic leg length inequality

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 17912242

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 17912242

Country of ref document: EP

Kind code of ref document: A1